[发明专利]一种基于运动粒子的粒子群目标跟踪算法

说明书

一种基于运动粒子的粒子群目标跟踪计算方法，涉及目标跟踪技术领域，为了解决现有技术由于采用先验知识导致计算量增加，易产生局部最优解甚至丢失目标问题，该方法包括：步骤一，框选跟踪目标区域；步骤二，对目标区域提取HSV颜色特征建立目标特征向量；步骤三，粒子群初始化；步骤四，模板匹配相似因子的计算；步骤五，基于梯度收敛确定当前帧目标跟踪坐标；步骤六，判断跟踪是否结束；如果有后续帧图像输入，则回到步骤三继续跟踪，否则跟踪结束。该方法极大地降低了算法复杂度，与传统模板匹配的跟踪算法相比鲁棒性更好，可以获得更高的准确度和速度的跟踪效果。本发明克服了现有技术在目标跟踪时计算复杂度高，局部最优解甚至丢失目标问题。

技术领域

本发明涉及目标跟踪技术领域，具体涉及一种基于运动粒子的粒子群目标跟踪计算方法。

背景技术

目标跟踪是机器视觉领域中比较重要和热门的研究方向，也是各种视频应用中的一个基本任务。目标跟踪广泛应用于智能交通、无人驾驶、无人机监测、水上智能监控等领域，存在很高的应用价值和广阔的应用前景。如何提高跟踪技术的准确性、实时性，以适应实际应用领域的各种需求是目前的视频目标跟踪技术领域关注的关键问题。

中国专利公开号为“CN104915969B”，名称为“一种基于粒子群优化的模版匹配跟踪方法”，该方法首先根据目标以往的运动情况预测目标在当前帧中可能的位置，每一种预测用粒子群优化算法中的一个粒子进行表示，建立搜索空间；通过迭代法寻找最大相关匹配值的目标状态值作为目标跟踪的结果。该方法随着迭代次数的增加粒子移动越慢，当迭代次数较大时，计算复杂度仍然很高；当目标运动方向改变时，由于采用先验知识，反而会增加计算量，易产生局部最优解甚至丢失目标。

发明内容

本发明为了解决现有技术由于采用先验知识导致计算量增加，易产生局部最优解甚至丢失目标问题，提出一种基于运动粒子的粒子群目标跟踪计算方法。

一种基于运动粒子的粒子群目标跟踪计算方法，其包括如下步骤：

步骤一，框选跟踪目标区域；

取图像序列第一帧图像，用矩形框(x,y,w,h)对其进行目标区域的框选，其中(x,y)为矩形框中心点，w为矩形框宽度，h为矩形框高度；

步骤二，对目标区域提取HSV颜色特征建立目标特征向量；

首先，对H(色调)和S(饱和度)两通道取值范围进行量化处理，将取值区间由[0,360]和[0,1]，分别拉伸或者压缩至区间[0,255]，对H通道和S通道建立直方图模型；

其次，假设目标区域中共有N个像素，第i个像素点的坐标为(x_i,y_i)，则第i个像素点的H通道信息为H(x_i,y_i)，S通道信息为S(x_i,y_i)；由于经过量化处理后H和S通道数据的取值范围均为0～255，将直方图组数(Bins)设置为n(0n255)，H直方图模型H＝{H_u}如公式(1)。

S直方图模型S＝{S_u}如公式(2)。

公式(1)和公式(2)中：u＝0,1,…,n，w为目标矩形区域宽度，h为目标矩形区域高度，δ为克罗内克函数(Kronecker delta)，如公式(3)。

最后，对H直方图模型和S直方图模型进行串联处理，便可得到目标特征向量C_u＝(C₀,C₁,...,C₁₂₇)如公式(4)，同理，匹配区域的特征向量为C_S＝(C₀,C₁,...,C₁₂₇)。